- Popisné statistiky
- Kauzální inference
- P-hodnota a replikační krize
22. 3. 2022
Efektivita vakcíny Pfizer-BioNTech je 73 %.
11,5 % lidí v Česku je ohroženo chudobou.
At risk of poverty or social exclusion, abbreviated as AROPE, corresponds to the sum of persons who are either at risk of poverty, or severely materially and socially deprived or living in a household with a very low work intensity.
Překlopení pojmů z jazyka teorie do observačního jazyka.
Chudoba:
\[\Huge R_0\]
Převzato z (spiegelhalter2021?)
Převzato z (spiegelhalter2021?)
Skvělá kniha pro rozvoj datové gramotnosti každodenního života je How to Make the World Add Up (Harford 2021). Tim Harford je dlouhodobý tvůrce podcastu More or Less (BBC) a jeho příklady jsou strhující, skvěle podané a prakticky užitečné - kniha není psána poraženecky, že nás statistika jen klame, ale pozitivně - co můžeme dělat lépe.
Pokud to chcete vzít ještě více od podlahy a zaměřit se na sebe a svůj postoj ke světu a poznávání, doporučuji knihu The Scout Mindset (Galef 2021) postavenou na metafoře dvou myšlenkových nastavení: vojáka a zvěda.
Pokud byste měli chuť si osvěžit úplně základní statistiku netechnickou formou, doporučuji moderní přístup k výuce statistiky jako investigativního procesu The Art of Statistics (Spiegelhalter 2019)
deskriptivní, prediktivní, explanativní (Shmueli 2010)
explanativní - kauzální ambice, zásadní je teoretické ukotvení
Obrázek z McElreath, Statistical Rethinking 2022
Obrázek z McElreath, Statistical Rethinking 2022
Obrázek z McElreath, Statistical Rethinking 2022
Houbová plíseň snižuje růst rostliny. Chci testovat, jak nasazení chemického ošetření ochrání rostlinu před tímto vlivem.
Ošetření -> Plíseň -> Růst
Nesmím kontrolovat pro plíseň, pokud nás zajímavá efekt ošetření na růst.
Obrázek z McElreath, Statistical Rethinking 2022
Obrázek z McElreath, Statistical Rethinking 2022
Obrázek z McElreath, Statistical Rethinking 2022
Obrázek z McElreath, Statistical Rethinking 2022
Vlivné a přístupné pojednání o kauzalitě je The Book of Why (Pearl and Mackenzie 2018) od současné klíčové postavy teorie kauzálního výstupu. Šikovnou malou knihou na přečtení od začátku do konce je Mastering Metrics (Angrist and Pischke 2014) od autorů řady vlivných ekonomických kauzálních studií. Naopak dobrou “referenční” tlustou knihou je Counterfactuals and Causal Inference (Morgan and Winship 2014).
Nosek shromáždil síť psychologů - replikace 100 studií z respektovaných psychologických časopisů. Jen v 39 případech replikovaly výsledky původních studií.
1024 výzkumníků se pokusí hodit 10krát po sobě pannu
výzkumníkovi se nepovede experiment, tak ho zahodí a zkusí něco jiného
výslekdy nejsou statisticky signifikantní,…
Hypothesis after results known
… i když ten Ted Talk má na YouTube 20 miliónů zhlédnutí
“Informally, a p-value is the probability under a specified statistical model that a statistical summary of the data (e.g., the sample mean difference between two compared groups) would be equal to or more extreme than its observed value.” (Wasserstein and Lazar 2016)
Zásadní text je vyjádření American Statistical Association. Doporučit lze také tento blog Daniela Lakense.
Angrist, Joshua D., and Jörn-Steffen Pischke. 2014. Mastering ’Metrics: The Path from Cause to Effect. With French flaps edition. Princeton ; Oxford: Princeton University Press.
Galef, Julia. 2021. The Scout Mindset: Why Some People See Things Clearly and Others Don’t. New York: Portfolio.
Harford, Tim. 2021. How to Make the World Add up: Ten Rules for Thinking Differently about Numbers. 1st edition. London: The Bridge Street Press.
Iyengar, S. S., and M. R. Lepper. 2000. “When choice is demotivating: can one desire too much of a good thing?” Journal of Personality and Social Psychology 79 (6): 995–1006. https://doi.org/10.1037//0022-3514.79.6.995.
Montgomery, Jacob M., Brendan Nyhan, and Michelle Torres. 2018. “How Conditioning on Posttreatment Variables Can Ruin Your Experiment and What to Do about It.” American Journal of Political Science 62 (3): 760–75. https://doi.org/10.1111/ajps.12357.
Morgan, Stephen L., and Christopher Winship. 2014. Counterfactuals and Causal Inference: Methods and Principles for Social Research. 2nd edition. New York, NY: Cambridge University Press.
Pearl, Judea, and Dana Mackenzie. 2018. The Book of Why: The New Science of Cause and Effect. 1st edition. New York: Basic Books.
Shmueli, Galit. 2010. “To Explain or To Predict?” Rochester, NY. https://doi.org/10.2139/ssrn.1351252.
Spiegelhalter, David. 2019. The Art of Statistics: Learning from Data. UK USA Canada Ireland Australia India New Zealand South Africa: Pelican.
Wasserstein, Ronald L., and Nicole A. Lazar. 2016. “The ASA Statement on p-Values: Context, Process, and Purpose.” The American Statistician 70 (2): 129–33. https://doi.org/10.1080/00031305.2016.1154108.